RESUME STATISTIKA

Nama : Risk trilia Utami

Nim : 2010901004

Kelas : PI1

Fakulta s : Psikologi Islam

CHAPTER II DISTRIBUSI FREKUENSI

Distribusi Frekuensi merupakan ringkasan data tabel yang menunjukan frekuensi relatif untuk
setiap kelas berdasarkan interval tertentu.

Contoh distribusi Frekuensi :

Kelas Frekuensi

2-6 5

7-11 2

12-16 8

17-21 6

22-26 3

27-31 9

Dalam sebuah tabel Distribusi Frekuensi

terdapat ambang batas terkecil dan terbesar.
Dari tabel tersebut dapat diketahui jika,
Batas terkecil/ambang batas tabel tersebut
adalah 2, 7, 12, 17, 22, 27, batas tingginya
adalah : 6, 11, 16, 21, 26, 31. Kelas dalam
distribusi frekuensi, nilainya tidak boleh
tumpang tindih. Dan dari tabel disamping
jarak antara nilai ambang bawah dengan
batas tertinggi adalah 5.

Membuat tabel Distribusi Frekuensi :

128, 100, 180, 150, 200, 90, 340, 105, 85, 270, 200, 65, 230, 150, 150,
120, 130, 80, 230, 200, 110, 126, 170, 132, 140, 112, 90, 340, 170, 190.

Data harga Keyboard dalam Rupiah (RP) untuk menentukan nilai batas terendah yang
dimulai dari angka 65. Maka selanjutnya 65+40

Banyaknya kelas = 7
Nilai terkecil (min) =65
Nilai terbesar (mar) =340
Range : mar –min : 340-65 =275
Classwidth :275/7 = 40

Begitu seterusnya sampai kelas berjumlah 7

Berikut saya tampilkan tabelnya :

 Kelas Frekuensi

65-104 6

105-144 9

145-184 6

185-224 4

225-264 2

265-304 1

305-344 2

Karena pada tabel distribusi frekuesi tidak

boleh angkanya tumpang tindih maka
untuk menentukan hasil batas tertinggi,
maka batas terbawah akan dikurangi 1,
contohnya 105-1 = 104

Untuk menentukan frekuensinya, dari

kelas 65-104, mana di tabel tersebut yang
angkanya tidak kurang dari 65 dan tidak
lebih dari 104. Ditabel harga tersebut
angka yang berada di antara 65-104
jumlahnya ada 6. Maka untuk kelas 65-104
berarti frekuensinya ada 6

CHAPTER III TEDENSI SENTRAL

Metode yang paling umum untuk meringkas dan menggambarkan distribusi adalah untuk
menemukan nilai tunggal yang mendefinisikan skor rata-rata dan yang berfungsi sebagai
contoh khas untuk mewakili seluruh distribusi. Dalam statistik, konsep skor rata-rata atau
representatif disebut tendensi sentral. Tendensi sentral adalah ukuran statistik untuk
menentukan skor tunggal yang mendefinisikan pusat distribusi.
Tujuan dari tendensi sentral adalah untuk menemukan skor tunggal yang paling khas atau
paling mewakili seluruh kelompok.

Di mana "pusat" dalam kasus ini ?

Untuk mengatasi masalah ini, ahli statistik telah mengembangkan tiga metode berbeda untuk
mengukur tendensi sentral: mean, median, dan modus.

• Mean

Mean, juga dikenal sebagai rata-rata aritmatika dihitung dengan menambahkan semua skor
dalam distribusi dan membaginya dengan jumlah skor.

Rata-rata untuk suatu populasi diidentifikasi dengan huruf Yunani.

Menambahkan atau Mengurangi Konstanta dari Setiap Skor; Jika nilai konstan ditambahkan
ke setiap skor dalam distribusi, konstanta yang sama akan ditambahkan ke mean. Demikian
pula, jika Anda mengurangi konstanta dari setiap skor, konstanta yang sama akan dikurangi
dari mean.

Mengalikan atau Membagi Setiap Skor dengan Konstanta; Jika setiap skor dalam suatu
distribusi dikalikan dengan (atau dibagi) suatu nilai konstan, rata-rata akan berubah dengan
cara yang sama.

• Median

Tujuan dari median adalah untuk menemukan titik tengah distribusi

Jika skor dalam distribusi diurutkan dari terkecil ke terbesar, median adalah titik tengah
daftar.

Cara Menghitung :

Metode 1

Bila N adalah bilangan ganjil→ daftarkan skor secara berurutan (terendah ke tertinggi), dan
median adalah skor tengah dalam daftar.

misalnya, 3, 5, 8, 10, 11

Skor tengah adalah X = 8

Metode 2

Bila N adalah bilangan ganjil→ urutkan skornya (terendah ke tertinggi), lalu cari median
dengan mencari titik di tengah antara dua skor di tengah.

misalnya, 1, 1, 4, 5, 7, 8

Median 4+5/2 = 4,5

Mode

Dalam distribusi frekuensi, modus adalah skor atau kategori yang memiliki frekuensi
terbesar. Modus adalah ukuran tendensi sentral yang berguna karena dapat digunakan untuk
menentukan nilai tipikal atau paling sering untuk skala pengukuran apa pun, termasuk skala
nominal.

Penggunaan Median sebagai CT

1. Skor ekstrim atau distribusi miring. Ketika suatu distribusi memiliki (beberapa) skor
ekstrim, maka rata-ratanya mungkin tidak mewakili sebagian besar distribusi dengan baik.

2. Nilai yang tidak ditentukan

Kadang-kadang, Anda akan menghadapi situasi di mana seseorang memiliki skor yang tidak
diketahui atau tidak ditentukan

Perhatikan bahwa satu anak tidak pernah menyelesaikan teka-teki. Setelah satu jam, anak ini
masih tidak menunjukkan tanda-tanda memecahkan teka-teki, sehingga peneliti
menghentikannya.

3. Distribusi Terbuka

Suatu distribusi dikatakan open-ended bila tidak ada batas atas (atau batas bawah) untuk
salah satu kategori.

4. Skala Ordinal

Ketika skor diukur pada skala ordinal, median selalu tepat dan biasanya merupakan ukuran
tendensi sentral yang lebih disukai. Melaporkan Ukuran Tendensi Sentral
Sebagaimana diuraikan dalam Manual Publikasi dari American Psychological Association
misalnya, Kelompok perlakuan menunjukkan lebih sedikit kesalahan (M = 2,56) pada tugas
daripada kelompok kontrol (M = 11,76). Median dapat dilaporkan menggunakan singkatan
Mdn, seperti pada “Mdn = 8,5 kesalahan atau, median jumlah kesalahan untuk kelompok
perlakuan adalah 8,5, dibandingkan dengan median 13 untuk kelompok kontrol. Tidak ada
simbol atau konvensi khusus untuk melaporkan mode. jika disebutkan sama sekali, modus
biasanya hanya dilaporkan dalam teks naratif.

CHAPTER IV VARIABILITAS

•Ukuran Variabilitas Data

Variabilitas atau (ukuran penyebaran) merupakan suatu nilai dari sekelompok data yang
menjadi ukuran untuk mengetahui besarnya penyimpangan data dengan nilai rata-rata
hitungannya.

Ukuran variabilitas digunakan untuk menggambarkan derajat berpencarnya atau meyebarnya

data kuantitatif. Besar kecilnya setiap skor akan menentukan besar kecilnya variabilitas. Jika
semakin besar ukuran variabilitasnya maka itu menunjukkan data itu bervariasi.

• Range / Rentang

Range adalah selisih antara nlai data maksimum dengan nilai data minimum dalam suatu
gugus data. Range merupakan perbedaan antara nilai terbesar dan terkecil dalam suatu
kelompok data baik data populasi maupun data sampel.

Rumusnya adalah :

R = Xt – Xr

Xt = Nilai Tertinggi

Xr = Nilai Terendah

Menentukan Range dari Data Tunggal dan Data Kelompok

Untuk menentukan range dalam data tunggal atau data berkelompok dapat menggunakan
rumus sebagai berikut:

a. Untuk Data Tunggal: R = Nilai Maksimum – Nilai Minimum

b. Untuk Data Kelompok R = Nilai Tengah Kelas Terakhir – Nilai Tengah Kelas
Pertama

Contoh :

Berikut data dari hasil ujian statistika mahasiswa dari data tunggal:

20,30,40,50,60,70,80,100

Range = Nilai Maksimum – Nilai Minimum R = 100 – 20 = 80

Jadi, Rentang dari data hasil ujian statistika mahasiswa di atas 80

Cara menghitung Range dari data berkelompok

Interval Frekuensi

30-34 8

35-39 10

40-44 13

45-49 17

50-54 14

55-59 11

60-64 7

80
Jadi,

Nilai Tengah Kelas Pertama = (30+34)/2 = 32

Nilai Tengah Kelas Terakhir = (60+64)/2= 62

Maka Range = 62-32 = 30

• Standar Deviasi / Simpangan Baku

Standar Deviasi adalah ukuran untuk menghitung jumlah penyebaran nilai dari kumpulan
data tertentu. Secara teoritis, standar deviasi dirumuskan sebagai akar kuadrat dari varian,
yang masing-masing dapat dilambangkan dengan simbol yang berbeda, yaitu 02 untuk varian
dan 0 untuk standar deviasi. Standar deviasi itu sendiri bisa diartikan sebagai jumlah variasi
atau dispersi dari sekumpulan nilai.

• Variasi

Variasi adalah ukuran seberapa penting kumpulan data tersebut. Jika semua nilai data identik,
maka itu menunjukkan variasinya nol. Semua varian nol dianggap positif.

CHAPTER V LOKASI SKOR dan DISTRIBUSI STANDAR

A . Z-SCORE

Kenapa kita butuh Z-SCORE ?

• Diberikan nilai ujian statistika dari 3 mahasiswa Teknik Informatika

Slug : 35

Binky : 65

Biff : 90
• Informasi apa yang dapat kita peroleh dari data tersebut ?

• Nilai Biff lebih besar dari Binky dan Slug

• Tapi informasi ini tidak ada artinya kalau kita bandingkan ke seluruh mahasiswa IT

• kita tidak tahu seberapa banyak yang mendapatkan nilai lebih dari Biff

• kita tidak tahu seberapa banyak yang mendapatkan nilai kurang dari Biff

• kita tidak tahu seberapa pintarnya Slug, Binky, dan Biff pada mata kuliah statistika
dibandingkan seluruh mahasiswa IT

• Semua pertanyaan tersebut terjawab jika kita mengetahui posisi nilai-nilai tersebut pada
populasi.

• Rata-rata kita dapat gunakan sebagai acuan.

B. Hukum Chebyshev

Lebih seabad yang lalu, dua ahli matematika, Bienayme-Chebyshev secara independen telah
melakukan studi tentang variabilitas serangkaian data disekitar rata-ratanya. Mereka
menemukan bahwa : tanpa memandang bagaimana serangkaian data berdistribusi, presentase
data observasi yang berada dalam jarak k simpangan baku di sekitar rata-ratanya, sekurang-
kurangnya sebesar (1-1/K2)100%.

Dengan demikian, jika :

K= 2 simpangan baku, maka presentase jumlah data observasi yang berada dalam jarak
tersebut adalah (1-1/2²) = (1-0,25)100% = 75%

K= 3 simpangan baku, maka presentase jumlah data observasi yang berada yang berada
dalam jarak tersebut adalah (1-1/3²) = (1-0,11)100% = 88,89%

K= 4 simpangan baku, maka presentase jumlah data observasi yang berada dalam jarak
tersebut adalah (1-1/4²) = (1- 0,00625)100% = 93,75%

C. Aturan Empiris

Penggunaan distribusi frekuensi yang simterik dan berbentuk lonceng akan memberikan hasil
pengukuran yang lebih tepat, yang besarnya masing-masing:
 1. K= 1 simpangan baku, maka presentase jumlah data observasi yang berbeda
dalam jarak tersebut adalah (1-0,32)100% = 68%

2. K= 2 simpangan baku, maka presentase jumlah data observasi yang berbeda

dalam jarak tersebut adalah (1-0,05)100% = 95%

3. K= 3 simpangan baku, maka presentase jumlah data observasi yang berbeda

dalam jarak tersebut adalah (1-0,01)100% = 99%

Langkah-langkah menentukan daerah yang dicari berdasarkan aturan empiris :

1. Buat distribusi normal

2. Letakan mean ditengah

3. Buat rentang jarak sebesar simpangan baku

4. Gunakan aturan empiris untuk menentukan prosentase daerah

D. Distribusi Normal Baku

Distribusi normal baku (standar) adalah distribusi peubah acak dengan rata-rata u=o dan
varian o² = 1.

• menggunakan distribusi normal baku kita dapat menentukan frekuensi komulatif sebelum
nilai z-score, yaitu luas daerah dibawah kurva normal yabg kurang nilai z-score.

• luas tersebut dapat dicari dengan tabel distribusi normal baku, atau tabel z.

CHAPTER VI

PROBABILITAS / PELUANG

• Peran Probabilitas Dalam Statistika Inferensial

Probabilitas digunakan untuk memprediksi jenis sampel mungkin di peroleh dari a populasi.
Jadi, probabilitas menetapkan a hubungan antara sampel dan populasi. Statistik inferensial
bergantung pada ini koneksi ketika mereka menggunakan data sampel sebagai dasar untuk
membuat kesimpulan tentang populasi.

• Definisi Probabilitas

Probabilitas didefinisikan sebagai pecahan atau proporsi dari semua hasil yang mungkin bagi
dengan jumlah total yang mungkin hasil. Probabilitas A (p) = jumlah hasil diklasifikasikan
sebagai A jumlah total kemungkinan hasil.

Contoh :

Jika anda memilih kartu dari a dan lengkap ada 52 kemungkinan hasil probabilitas memilih
raja dari hati ? Peluang terambilnya kartu as ? Peluang terambilnya warna merah sekop ?
Melempar dadu, koin, dll.

Probabilitas dan distribusi normal dalam istilah yang lebih sederhana, normal didistribusi
simetris dengan mode tunggal di tengah. Itu frekuensi berkurang saat anda bergerak lebih
jauh dari tengah. Ukuran variabilitas digunakan untuk menggambarkan derajat berpencaranya
atau menyebarnya data kuantitatif. Besar kecilnya setiap skor akan menentukan besar
kecilnya variabilitas, jika semakin besar ukuran variabilitasnya maka akan menunjukan data
bervariasi